STAR pytorch

สตาร์พอร์ช

การใช้งานสำหรับกระดาษ "Star: หม้อแปลงน้ำหนักเบาที่รับรู้โครงสร้างสำหรับการปรับปรุงภาพแบบเรียลไทม์" (ICCV 2021)

CVF (PDF)

ดารา

การใช้งาน Pytorch ของการปรับปรุงแสงต่ำด้วย STAR ในชุดข้อมูล Adobe-MIT Fivek คุณสามารถค้นหาได้ในไดเรกทอรีดาว ที่นี่เราใช้ pipleline ของ zero-dce (กระดาษ | รหัส) เพียงแค่แทนที่ CNN backbone ด้วย Star ใน Zero-DCE สำหรับแต่ละภาพเครือข่ายจะถดถอยกลุ่มของเส้นโค้งซึ่งจะถูกนำไปใช้กับภาพต้นทางซ้ำ ๆ คุณสามารถค้นหารายละเอียดเพิ่มเติมได้ใน repo zero-dce ดั้งเดิม

ความต้องการ

• นม
• ไอ
• คบเพลิง
• คบเพลิง
• opencv

ชุด

เรามีลิงก์ดาวน์โหลดสำหรับชุดข้อมูล Adobe-MIT Fivek ที่เราใช้ (รถไฟ | ทดสอบ) โปรดทราบว่าเราใช้ชุดทดสอบที่แยกโดย Deepupe เพื่อการเปรียบเทียบที่เป็นธรรม

โมเดลการฝึกอบรม DCE

เพื่อฝึกอบรมแบบจำลองดาวฤกษ์ดั้งเดิม

 cd STAR-DCE
python train_dce.py 
  --lowlight_images_path "dir-to-your-training-set" 
  --parallel True 
  --snapshots_folder snapshots/STAR-ori 
  --lr 0.001 
  --num_epochs 100 
  --lr_type cos 
  --train_batch_size 32 
  --model STAR-DCE-Ori 
  --snapshot_iter 10 
  --num_workers 32 

ในการฝึกอบรม DCE-net ที่ใช้ CNN พื้นฐาน (w หรือ w o รวม)

 cd STAR-DCE
python train_dce.py 
  --lowlight_images_path "dir-to-your-training-set" 
  --parallel True 
  --snapshots_folder snapshots/DCE 
  --lr 0.001 
  --num_epochs 100 
  --lr_type cos 
  --train_batch_size 32 
  --model DCE-Net 
  --snapshot_iter 10 
  --num_workers 32 

หรือ

 cd STAR-DCE
python train_dce.py 
  --lowlight_images_path "dir-to-your-training-set" 
  --parallel True 
  --snapshots_folder snapshots/DCE-Pool 
  --lr 0.001 
  --num_epochs 100 
  --lr_type cos 
  --train_batch_size 32 
  --model DCE-Net-Pool 
  --snapshot_iter 10 
  --num_workers 32 

การประเมินแบบจำลองที่ผ่านการฝึกอบรม

เพื่อประเมินโมเดลดาวฤกษ์ที่คุณฝึกฝน

 cd STAR-DCE
  python test_dce.py 
  --lowlight_images_path  "dir-to-your-test-set" 
  --parallel True 
  --snapshots_folder snapshots_test/STAR-DCE 
  --val_batch_size 1 
  --pretrain_dir snapshots/STAR-ori/Epoch_best.pth 
  --model STAR-DCE-Ori 

เพื่อประเมินโมเดล DCE-NET ที่คุณฝึกฝน

 cd STAR-DCE
  python test_dce.py 
  --lowlight_images_path  "dir-to-your-test-set" 
  --parallel True 
  --snapshots_folder snapshots_test/DCE 
  --val_batch_size 1 
  --pretrain_dir snapshots/DCE/Epoch_best.pth 
  --model DCE-Net 

การอ้างอิง

หากรหัสนี้ช่วยงานวิจัยของคุณโปรดอ้างอิงบทความของเรา :)

 @inproceedings{zhang2021star,
  title={STAR: A Structure-Aware Lightweight Transformer for Real-Time Image Enhancement},
  author={Zhang, Zhaoyang and Jiang, Yitong and Jiang, Jun and Wang, Xiaogang and Luo, Ping and Gu, Jinwei},
  booktitle={Proceedings of the IEEE/CVF International Conference on Computer Vision},
  pages={4106--4115},
  year={2021}
}